斯坦福研究發現AI企業擴招集中於資深崗位
一項覆蓋41個國家的研究發現，採用AI的企業整體上在增加招聘，但新增崗位主要是資深職位，初級崗位的就業反而在減少。研究者的結論是："在AI暴露度高的職業裏，AI對初級員工是節省人力的，對資深員工則是擴張人力的。"
研究由斯坦福大學的Bharat Chandar和倫敦國王學院的Bouke Klein Teeselink完成，數據時間跨度爲2021年1月到2026年3月，樣本包括12.5億條招聘信息，以及勞動力數據公司Revelio Labs提供的1.54億條就業記錄，覆蓋巴西、沙特阿拉伯、英國、美國等41個國家。研究把企業按是否採用AI分組，比較兩組企業在不同層級上的人員變化。
核心結果是：5年間，採用AI的企業資深崗位就業增長6.7%，初級崗位就業下降約2.5%到3%，初級員工在總員工中的佔比下降約2個百分點。企業整體員工數增長約3.3%，但統計上只是勉強顯著。職業結構上，資深員工向AI高暴露崗位移動了0.9個百分點，初級員工則向外移動了0.6個百分點。受衝擊最大的是計算機和數學類崗位：這類崗位在AI企業中整體增加了0.8個百分點，但增量幾乎全在資深層級，初級佔比降幅是所有職業中最大的。
分國家看，有數據的31個國家中，23個國家的初級員工佔比下降，其中美國、巴西和沙特阿拉伯的下降在統計上顯著。針對年輕勞動者的數據更加直觀：在AI高暴露職業中，22到25歲年輕人的就業水平已比預期低19%，而且這個缺口還在擴大。
其他數據也指向同一方向。招聘網站Indeed旗下研究機構Hiring Lab在2026年5月的數據顯示，資深崗位招聘信息同比增長14.7%，入門級崗位下降7.5%。風投機構SignalFire統計，2019年以來，12家大型科技公司的應屆生招聘減少了65%。普華永道2026年全球AI就業晴雨表發現，在AI暴露崗位中，52%新出現的入門級技能要求涉及"戰略判斷、領導力和決策"，原本屬於資深員工的能力，正在被寫進初級崗位的招聘要求。
企業層面，KPMG英國把畢業生招聘人數從1399人削減到942人，德勤、安永、普華永道也不同程度縮減了畢業生招聘。也有逆向操作的公司：IBM計劃在2026年把美國入門級招聘人數增加到原來的3倍，理由是長期人才梯隊不能斷檔。
市場機制方面，這是一次技術驅動的勞動力結構調整。企業是勞動力的買方，它們把原本用於大批初級員工的人力預算，轉向AI工具訂閱、算力和少數高薪資深員工。資金流向是：人力成本轉化爲AI軟件和雲服務收入，同時推高資深人才的薪酬溢價。受益的是AI模型和企業軟件供應商、擁有經驗和判斷力的資深員工，以及能用更少人力擴大產出的企業股東。承壓的是應屆畢業生、以初級崗位爲主的外包和專業服務行業，以及依靠"金字塔結構"培養人才的諮詢、會計和法律等行業的長期人才供應。
來源：公開信息
ABAB AI 解讀
Bharat Chandar此前與斯坦福數字經濟實驗室主任Erik Brynjolfsson合作，在2025年8月發表論文《煤礦中的金絲雀》，基於美國最大薪資處理商ADP的數百萬份工資記錄發現，AI高暴露職業中22到25歲員工的就業相對下降了13%，而同一職業中年長員工的就業基本穩定甚至增長。這次的新研究把樣本擴展到41個國家、12.5億條招聘信息，證明這種"年輕人先受衝擊"的現象不是美國獨有的。Brynjolfsson早在2022年就提出"圖靈陷阱"概念，警告如果AI被主要用來模仿和替代人類，而不是增強人類能力，收益會集中到資本所有者手裏。
從資本路徑看，大企業正在把人力預算直接轉成AI預算。2025年6月，亞馬遜CEO Andy Jassy在給員工的信中表示，AI將在未來幾年減少公司的白領員工規模，同年10月亞馬遜裁減約14000個企業崗位。2025年9月，Salesforce CEO Marc Benioff說，公司因AI客服代理削減了約4000個客服崗位。微軟在2025年裁員約15000人，同時把年度資本開支提高到800億美元以上，主要用於AI數據中心。資金從工資表流向算力，最先被壓縮的就是可以標準化、可以被複制的初級工作。
歷史類比方面，經濟學家把類似現象稱爲"技能偏向型技術變革"。20世紀80到90年代計算機普及時，高技能員工的工資溢價大幅上升，MIT經濟學家David Autor發現中等技能的例行性工作被大量替代，勞動力市場出現"兩極分化"。另一個類比是ATM：20世紀70年代ATM開始普及，經濟學家James Bessen的研究發現，單個網點的櫃員數量下降了，但銀行靠網點擴張讓櫃員總數繼續增長，崗位內容則轉向銷售和客戶關係。AI這一輪的不同點在於，它首先替代的是認知型白領工作，而且衝擊的正好是職業階梯最底層的那一級。
本質上，這是一次技術替代，只是替代的對象是"可編碼的知識"。機制在於：初級員工的主要價值來自書本上學到的、可以寫成規則的顯性知識，例如寫基礎代碼、整理數據、起草標準文檔，而這正是大模型最擅長的；資深員工的價值來自多年積累的隱性知識，例如判斷優先級、處理例外情況、管理客戶關係，AI在這裏是放大器而不是替代品。於是AI同時降低了初級勞動的需求，提高了資深勞動的生產率和議價能力。長期風險在於人才供應鏈：今天的資深員工都是從初級崗位成長起來的，如果企業普遍停止招聘新人，十年後能夠駕馭AI的資深人才就會出現斷層，這正是IBM逆勢擴大入門級招聘的邏輯。
ABAB News · 認知定律
AI先替代寫進書裏的知識，再抬高沒寫進書裏的經驗。
砍掉學徒崗位的企業，正在透支未來的專家。
效率紅利先歸資本，再歸資深，最後才輪到新人。